Sesión 1 - Entrando al mundo de R

Taller introductorio a R

Benjamín Adasme

2025-10-27

Presentación

Sociólogo egresado de la UCM en 2019
Dedicado al análisis de datos cuantitativos desde 2021
Formación certificada en R y Rstudio
Nerd de R y la estadística

Objetivo general

Introducir R en personas que analicen datos cuantitativos sin lenguajes de programación.

Específicos

Conocer la utilidad de R y las herramientas básicas de R base
Conocer tidyverse, para limpieza, manipulación y exploración de datos
Repasar estadísticas descriptiva (uni y multivariada) e inferencial.
Conocer las herramientas de creación de gráficos en R, específicamente ggplot2 y la gramática de gráficos.
Conocer herramientas de presentación de datos como Quarto para la difusión y divulgación.

Breve historia

Comienza su desarrollo en 1993 la U de Auckland. En 1997 sale a la luz en su versión definitiva. Ese mismo año se crea el CRAN que alberga los paquetes y se une al Proyecto GNU de software libre.

Actualmente el desarrollo depende del R Development Core Team.

En 2011 se publica la primera versión de Rstudio, la IDE más popular para trabajar con R.

¿Por qué usar R?

Replicabilidad
Eficiencia
Control

R vs el mundo

Dimensión / Lenguaje	R	Python	SPSS	Excel	Stata
Comparación de herramientas computacionales estadísticas
Alcance	General, orientación multidisciplinar	General, orientación multidisciplinar	Limitado, orientado a Ciencias Sociales	Limitado, orientado a administración	Limitado, orientado a Economía
Licencia	Libre (freeware)	Libre (freeware)	Pagada (versión de prueba limitada)	Pagada (versión de prueba limitada)	Pagada (versión de prueba limitada)
Aprendizaje	Sintaxis, poco intuititvo	Sintaxis, poco intuititvo	Botones y sintaxis, intuitivo	Botones y sintaxis, intuitivo	Botones y sintaxis, intuitivo
Visualización	Avanzada	Intermedia	Básica	Intermedia	Intermedia
Análisis de texto	Intermedio, poca eficiencia	Avanzado, amplia eficiencia	No	No	No
Minería Datos	Intermedio, poca eficiencia	Avanzado, amplia eficiencia	No	No	No
Sistema operativo	Windows, Mac OS, Linux	Windows, Mac OS, Linux	Windows, Mac OS	Windows, Mac OS	Windows, Mac OS
Fuente: Boccardo Bosoni y Ruiz Bruzzone, 2019

Una curva de aprendizaje

Mis expectativas

Respeto mutuo y buen trato
Disposición al aprendizaje y motivación
Espíritu colaborativo y no competitivo
Curiosidad
Tolerancia a la frustración y al error

Sesión 1

¿Qué es R?

Lenguaje de programación.
No hay botones para hacer las cosas
El usuario debe dar las “instrucciones por escrito”
Hay más de una forma de hacer las cosas

Nosotres programando en R por 15 minutos

Vamos a R

Vamos a Rstudio

Interfaz de Rstudio

Elementos de Rstudio

Consola: inferior izquierda. R puro y duro, donde aparecen los resultados.
Editor de código: superior izquierda. Donde escribiremos el código de R y otros lenguajes.
Ambiente: superior derecha. Almacén de objetos guardados
Visor: inferior derecha. Visor de archivos, gráficos, paquetes, ayuda, entre otros.

Rstudio es como cocinar

El código escrito en la sección fuente es nuestra receta
La consola es la olla donde se cocinan los alimentos, de donde salen resultados.
Los alimentos preparados se albergan en el ambiente, disponibles para que se usen en otra preparación.
Algunas preparaciones tienen un emplatado especial, y aparecen como imagenes en nuestra pestaña de gráficos.
Los archivos son nuestra despensa, los paquetes nuestros implementos de cocina.

Rstudio es como comer una naranja

Ya cómete la maldita naranja

Hasta ahora hemos usado R como

Calculadora
Operador lógico

Operadores lógicos

¿Había una imagen con peor calidad?

Sintaxis básica

objeto <- función(arg1, arg2, ...)

objeto1 = 2 + 2

¿Cual es el valor de objeto1?

objeto1

[1] 4

Importante que al usar el asignador <- ambas partes deben quedar unidas. Usar < - con un espacio entremedio no sirve para asignar.

Al asignar nombres a objetos debemos considerar que:

R es sensible a las mayúsculas y minúsculas. f =/= F
No pueden comenzar con números
No deben contener espacios. Se debe usar _ como separador

Otro ejemplo

division <- 43 / 8

division

[1] 5.375

Importante

El punto sirve para indicar decimal, la coma para enumerar elementos. El uso de coma para indicar un decimal en el código generará errores.

Otro otro ejemplo

frutas <- c("manzana", "pera", "naranja")

En este caso la , sirve para enumerar elementos.

Un pequeño detalle

En el código

frutas <- c("manzana", "pera", "naranja")

Hay una función que no conocemos…

La función c() sirve para combinar elementos en uno solo, creando…

Vectores (que veremos más adelante)

Clases de objetos en R

Doble/flotante (numeric o double): número con decimales (4.5 , 6.0009)
Entero (integer): número entero sin decimales (120, 2L)
Cadena (character): texto. Se indica usando comillas ("texto", "lápiz", "23")
Lógico (logical): predeterminados. Definen operaciones lógicas (TRUE, FALSE, NA, NULL)
Factor (factor): cadenas con un nivel determinado. Útil para variables categóricas.

La función class() nos indica la clase de un objeto Las funciones is.[tipo] son pruebas que definen si un objeto cumple o no con una condición.

x = 8

is.numeric(x)

[1] TRUE

is.character(x)

[1] FALSE

Veamos algunos ejemplos en R

Factores

genero <- c(1, 3, 2, 3, 1, 2, 2, 3)

genero_fact <- factor(genero, labels = c("Masc", "Fem", "NoBin"))

genero_fact

[1] Masc  NoBin Fem   NoBin Masc  Fem   Fem   NoBin
Levels: Masc Fem NoBin

Nota

Al llamar la variable de factor no nos imprime los números, sino que las etiquetas que hemos asignado. Para conocer los niveles asociados podemos usar la función levels()

Pregunta

¿A y B son iguales? ¿Son diferentes? ¿Por qué?

A <- 34

B <- "34"

La respuesta, en teoría es NO, pero …

A == B

[1] TRUE

¿Por qué sucede?

Al comparar dos vectores de un solo elemento, R modifica automáticamente uno de los dos a la clase del otro. En este caso, al comparar A igual a B, R transforma B en numérico. Por ello, son iguales.

Estructuras de datos

Vector

Conjunto de elementos del mismo tipo
Pueden ser “llamados” por un nombre arbitrario
Ese nombre representa los valores que contiene en cualquier otro lugar
Se alberga en el ambiente como cualquier objeto
Se componen principalmente con la función c() que puede significar “combinar” o concatenar”

Los vectores se pueden seleccionar con los corchetes [ ]

vec1 <- seq(0, 10, by = 2) #secuencia numérica

vec1

[1]  0  2  4  6  8 10

vec1[1]

[1] 0

vec1[2:3]

[1] 2 4

vec1[vec1 >= 6]

[1]  6  8 10

Lista

Estructura que permite agrupar diversos tipos de datos en un solo objeto.
Se crean con la función list()
Poco usado pero útil con algunas funciones

lista1 <- list(nombre = "Juan",
               edad = 35,
               intereses = "estadística", "deportes", "música")


lista1["nombre"]

$nombre
[1] "Juan"

Matriz

Arreglo de números con una dimensión definida en filas y columnas
Útil en matemáticas
Base para el siguiente tipo de estructura

matrix(1:6, nrow = 3, ncol = 2)

     [,1] [,2]
[1,]    1    4
[2,]    2    5
[3,]    3    6

Data frame

El tipo de objeto más común en R.
Datos en formato tabla. Contiene filas y columnas.
Las columnas son vectores. Las filas son observaciones
Las columnas, por tanto, pueden ser de diferente tipo o clase entre ellas, pero del mismo tipo internamente.

df <- data.frame(var1 = 1:4,
                 var2 = c("a", "b", "c", NA),
                 otro_nom = c(TRUE, TRUE, FALSE, TRUE))

rmarkdown::paged_table(df)

Los data frame también se pueden dividir con los corchetes [ ]

Dentro del corchete el primer número representa las filas y el segundo las columnas.

Seleccionamos toda la fila 1. Al dejar vacío después de la coma indicamos que queremos todas las columnas.

df[1,]

  var1 var2 otro_nom
1    1    a     TRUE

Seleccionamos toda la columna 3. Al dejar vacío el número antes de la coma, indicamos todas las filas.

df[,3]

[1]  TRUE  TRUE FALSE  TRUE

Seleccionamos la fila 4 y la columna 2

df[4,2]

[1] NA

También podemos seleccionar las variables de un data frame utilizando el signo $

df$var1

[1] 1 2 3 4

O utilizando un doble corchete

df[["otro_nom"]]

[1]  TRUE  TRUE FALSE  TRUE

Nota

Al usar $ o [[ ]] el botón Tab nos mostrará las variables disponibles.

Tibble

Evolución del data frame, pero en el tidyverse (contenido de la próxima sesión)

Apliquemos lo aprendido

Funciones básicas

Funciones base vs funciones de paquetes

R como lenguaje se compone de diferentes paquetes. El principal es el paquete “base” que contiene la mayoría de las funciones elementales de R

Más adelante aprenderemos a cargar nuevos paquetes y sumar nuevas funciones.

Funciones para manejar vectores

y <- c(23, 42, -23, 0, 50, -4, 0)

sort(y) #ordena vectores

[1] -23  -4   0   0  23  42  50

rev(y) #Invierte el orden del vector

[1]   0  -4  50   0 -23  42  23

z = c("mesa", "silla", "mesa", "plato", "plato")

table(z) #Frecuencias de elementos

z
 mesa plato silla 
    2     2     1

unique(z) #Valores únicos del vector

[1] "mesa"  "silla" "plato"

length(z) #Cantidad de elementos del vector

[1] 5

Funciones matemáticas básicas

sum(y) #Suma de los elementos

[1] 88

#Mínimo y máximo del vector
min(y)

[1] -23

max(y)

[1] 50

round(4.7863834345, 3)

[1] 4.786

sqrt(64)

[1] 8

log(100, base = 10)

[1] 2

Funciones estadísticas básicas

Promedio o media:

mean(y)

[1] 12.57143

Mediana

median(y)

[1] 0

Varianza

var(y)

[1] 705.2857

Desviación típica o estándar

sd(y)

[1] 26.55722

Cuantiles de una distribución numerica

quantile(y)

   0%   25%   50%   75%  100% 
-23.0  -2.0   0.0  32.5  50.0

Correlación (Pearson)

t <- c(6, 7, 1, 3, 9, 1, 1)

cor(t, y)

[1] 0.9517828

Correlación de Spearman

cor(t,y, 
    method = "spearman")

[1] 0.934947

Generar una distribución normal aleatoria

set.seed(123)

rnorm(30)

 [1] -0.56047565 -0.23017749  1.55870831  0.07050839  0.12928774  1.71506499
 [7]  0.46091621 -1.26506123 -0.68685285 -0.44566197  1.22408180  0.35981383
[13]  0.40077145  0.11068272 -0.55584113  1.78691314  0.49785048 -1.96661716
[19]  0.70135590 -0.47279141 -1.06782371 -0.21797491 -1.02600445 -0.72889123
[25] -0.62503927 -1.68669331  0.83778704  0.15337312 -1.13813694  1.25381492

hist(rnorm(30))

Funciones de data frame

Permiten conocer las dimensiones de un data frame

nrow(df)

[1] 4

ncol(df)

[1] 3

dim(df)

[1] 4 3

cbind() une vectores a un data frame

vec2 <- c(0, 0, 1, 1)

cbind(df, vec2)

  var1 var2 otro_nom vec2
1    1    a     TRUE    0
2    2    b     TRUE    0
3    3    c    FALSE    1
4    4 <NA>     TRUE    1

rbind() une una fila de un data frame a otro. Para ello ambos objetos deben tener los mismos nombres de variables y del mismo tipo o clase

df_2 <- data.frame(var1 = 5,
                   var2 = "e",
                   otro_nom = FALSE)


rbind(df, df_2)

  var1 var2 otro_nom
1    1    a     TRUE
2    2    b     TRUE
3    3    c    FALSE
4    4 <NA>     TRUE
5    5    e    FALSE

La función head() nos permite ver las primeras 6 filas de un data frame. Útil para explorar

head(mtcars[,1:10])

                   mpg cyl disp  hp drat    wt  qsec vs am gear
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3

La función View() nos permite ver un data frame en otra pestaña de Rstudio

Desafío sesión 1

Primer desafío del curso

Crear 5 vectores, uno correspondiente cada clase de objetos que revisamos, y guardarlos por separado. Deben tener una longitud mínima de 6 elementos. El nombre de cada objeto debe indicar su clase (ej. vector_numero, obj_log, vcadena, etc. )
Usar la función class() para comprobar la clase de los 5 vectores.
Crear un data frame con los 5 vectores. Calcular las dimensiones del data frame y usar tres funciones estadísticas en alguna de sus variables numéricas.

Resumen del día

¿Qué aprendimos?

Cierre 1: configurando Rstudio

Cierre 2: material complementario

Cheatsheet de R base